正在加载视频...

视频加载失败

加载此视频时出现问题。这可能是由于临时网络问题，或视频可能不可用。

Gemma-4-E2B-it 在三年前的iphone 14 pro max上同时做图片识别和翻译的速度。太牛了，OCR翻译软件都废了！

Bill The Investor

117,837 subscribers

107,632 次观看 • 3 个月前 •via X (Twitter)

科学技术财经

Anya Rossi• Live Now

Private livecam show

0 条评论

暂无评论

原始帖子的评论将显示在这里

相关视频

只能说AI现在太屌了好吧上次去日本，被那个苹果翻译，谷歌翻译搞的实在头疼今天看到，OpenAI出了一个GPT实时翻译模型我就直接手搓了一个，ios上接入GPT模型的翻译软件同时我还手搓了一个，接入该模型的，mac端的语音翻译软件不过翻译有些延迟耗时一下午就搓出来了，之前完全不懂编程

只能说AI现在太屌了好吧上次去日本，被那个苹果翻译，谷歌翻译搞的实在头疼今天看到，OpenAI出了一个GPT实时翻译模型我就直接手搓了一个，ios上接入GPT模型的翻译软件同时我还手搓了一个，接入该模型的，mac端的语音翻译软件不过翻译有些延迟耗时一下午就搓出来了，之前完全不懂编程

多伦多方脸

242,071 次观看 • 2 个月前

Manga-image-Translator: 一键翻译各类图片内文字一个开源工具，专门用于翻译漫画或图片中的文字。利用高效的OCR和AI翻译技术，它能够自动识别和翻译任何图片中的文字，并支持多种语言。不仅翻译文字，还可以对去除文字后的区域进行修复和上色，以及重新渲染翻译后的文本。主要功能： 1、自动翻译图片中的文本：使用先进的OCR技术自动识别图片或漫画中的文字，并将其翻译成用户指定的语言。 2、支持多种语言：虽然最初设计是为了翻译日语文本，项目也支持中文、英文、韩文等多种语言的翻译，满足不同用户的需求。 3、文本修复与上色：在移除原始文本后，能够对相应区域进行修复和上色，保持图片的整体美观。 4、文本渲染：翻译完成的文本不仅仅是以简单文本形式呈现，还会根据原图的风格进行渲染，使翻译后的文本自然融入图片中。 5、支持命令行界面（CLI）和Web界面：用户可以通过命令行界面批量处理图片翻译任务，或者通过Web界面进行单个图片的翻译和预览。 6、一键去除漫画中的所有文字，支持多种翻译服务或模型项目地址：官方演示：

Manga-image-Translator: 一键翻译各类图片内文字一个开源工具，专门用于翻译漫画或图片中的文字。利用高效的OCR和AI翻译技术，它能够自动识别和翻译任何图片中的文字，并支持多种语言。不仅翻译文字，还可以对去除文字后的区域进行修复和上色，以及重新渲染翻译后的文本。主要功能： 1、自动翻译图片中的文本：使用先进的OCR技术自动识别图片或漫画中的文字，并将其翻译成用户指定的语言。 2、支持多种语言：虽然最初设计是为了翻译日语文本，项目也支持中文、英文、韩文等多种语言的翻译，满足不同用户的需求。 3、文本修复与上色：在移除原始文本后，能够对相应区域进行修复和上色，保持图片的整体美观。 4、文本渲染：翻译完成的文本不仅仅是以简单文本形式呈现，还会根据原图的风格进行渲染，使翻译后的文本自然融入图片中。 5、支持命令行界面（CLI）和Web界面：用户可以通过命令行界面批量处理图片翻译任务，或者通过Web界面进行单个图片的翻译和预览。 6、一键去除漫画中的所有文字，支持多种翻译服务或模型项目地址：官方演示：

小互

45,571 次观看 • 2 年前

苹果去年画的饼反而被谷歌实现了：将最先进的Gemini翻译能力引入自家的翻译应用，戴着任意一款耳机就能做到实时音频翻译，具体效果看下方视频。我觉得这种翻译能力要比人们意识的大很多：以前是需要音频-文字-翻译-音频，现在是直接音频-音频，靠AI的理解去翻译，不仅速度快到接近同传水平，甚至连你的“阴阳怪气”他都能翻译。一场突如其来的科技革命，使得本就不景气的翻译专业更是雪上加霜。

苹果去年画的饼反而被谷歌实现了：将最先进的Gemini翻译能力引入自家的翻译应用，戴着任意一款耳机就能做到实时音频翻译，具体效果看下方视频。我觉得这种翻译能力要比人们意识的大很多：以前是需要音频-文字-翻译-音频，现在是直接音频-音频，靠AI的理解去翻译，不仅速度快到接近同传水平，甚至连你的“阴阳怪气”他都能翻译。一场突如其来的科技革命，使得本就不景气的翻译专业更是雪上加霜。

傅盛

133,770 次观看 • 7 个月前

🥳翻译界天花板组合：沉浸式翻译 + Bob 翻译！分享我使用频率最高的4种场景，网页翻译，youtube双语，非网页客户端，全局截图翻译。沉浸式翻译插件，按 option 快捷键就在内容下面展示翻译内容，我还加了虚线增强，youtube 双语字幕就更不用说了，平时学习就直接开着。 Bob翻译，解决了非网页客户端的翻译问题，滑词翻译，截图翻译，都支持快捷键自定义，丝滑的一匹。费用: 沉浸式翻译，我还是免费使用，bob花58块就能终身使用。它们都支持非常多的 ai 翻译服务的接入，功能非常丰富，我只用到了其中简单的几个特性

🥳翻译界天花板组合：沉浸式翻译 + Bob 翻译！分享我使用频率最高的4种场景，网页翻译，youtube双语，非网页客户端，全局截图翻译。沉浸式翻译插件，按 option 快捷键就在内容下面展示翻译内容，我还加了虚线增强，youtube 双语字幕就更不用说了，平时学习就直接开着。 Bob翻译，解决了非网页客户端的翻译问题，滑词翻译，截图翻译，都支持快捷键自定义，丝滑的一匹。费用: 沉浸式翻译，我还是免费使用，bob花58块就能终身使用。它们都支持非常多的 ai 翻译服务的接入，功能非常丰富，我只用到了其中简单的几个特性

Meepo

13,321 次观看 • 11 个月前

第一次用三星手机通话实时翻译和自带键盘的翻译，都太适合出海用了打电话不发怵了上次宽带客服我打三四个电话都没整明白

第一次用三星手机通话实时翻译和自带键盘的翻译，都太适合出海用了打电话不发怵了上次宽带客服我打三四个电话都没整明白

花果山大圣

225,103 次观看 • 1 年前

谷歌翻译新版直接起飞嵌入了 Gemini 的模型。翻译能力基于图片的实时翻译能力都提升了还新增了一个学习模式可以基于场景来锻炼你的听力和口语可以设置自定义场景。当前正在基于语言的学习做应用的感觉都可以停了。目前我身边就有两个朋友在做类似的事情。看完感觉直接凉了。

谷歌翻译新版直接起飞嵌入了 Gemini 的模型。翻译能力基于图片的实时翻译能力都提升了还新增了一个学习模式可以基于场景来锻炼你的听力和口语可以设置自定义场景。当前正在基于语言的学习做应用的感觉都可以停了。目前我身边就有两个朋友在做类似的事情。看完感觉直接凉了。

ttmouse - 豆爸

80,076 次观看 • 7 个月前

今早想起来用codex把三年前的开源项目ebook gpt translator更新了以前因为API来翻译太耗money，GPT-3.5的时候就测试过至少好几刀翻译一本，所以就停更了今早想起来，可以用codex来翻译，后续可以再接入gemini cli， claude code等等用订阅账号的用量来做 V2有如下特点： 1. 增加了简单的GUI可以选择参数 2. 自定义翻译prompt，如“以红楼梦的风格翻译” 3. 断点续翻

今早想起来用codex把三年前的开源项目ebook gpt translator更新了以前因为API来翻译太耗money，GPT-3.5的时候就测试过至少好几刀翻译一本，所以就停更了今早想起来，可以用codex来翻译，后续可以再接入gemini cli， claude code等等用订阅账号的用量来做 V2有如下特点： 1. 增加了简单的GUI可以选择参数 2. 自定义翻译prompt，如“以红楼梦的风格翻译” 3. 断点续翻

Jesse Lau 遁一子

32,175 次观看 • 4 个月前

一款基于Gradio Web UI的语音识别、翻译和TTS的语音一体化处理工具：Voice-Pro，支持实时转录、翻译，一键安装特点： 1、提供YouTube下载器、噪音去除、字幕、翻译和TTS的集成环境 2、支持100种语言的语音识别和字幕创建，可翻译成100多种语言并通过TTS生成语音，可调整TTS语音速度、音量和音调 3、原始视频的背景音乐和音效在多语言视频中保持不变 4、支持批量处理 github： #AI视频转录 #Voice #视频翻译

一款基于Gradio Web UI的语音识别、翻译和TTS的语音一体化处理工具：Voice-Pro，支持实时转录、翻译，一键安装特点： 1、提供YouTube下载器、噪音去除、字幕、翻译和TTS的集成环境 2、支持100种语言的语音识别和字幕创建，可翻译成100多种语言并通过TTS生成语音，可调整TTS语音速度、音量和音调 3、原始视频的背景音乐和音效在多语言视频中保持不变 4、支持批量处理 github： #AI视频转录 #Voice #视频翻译

AIGCLINK

42,282 次观看 • 1 年前

Google 发布 Gemma 4 12B 开源模型 16GB 笔记本跑全模态 AI Gemma 4 12B 采用了一种叫"Unified"的无编码器架构，让文字、图像、音频、视频四种输入直接进入同一个 Transformer 主干网络处理。模型可直接处理原始的图像和声音用一个类比讲清楚传统多模态模型处理图片和音频的方式，类似于一个只会中文的老板配了两个翻译：一个英文翻译（视觉编码器），一个日文翻译（音频编码器）。每次有英文或日文材料进来，必须先让翻译转成中文，老板才能看懂。翻译本身占工位（显存），翻译过程要排队等（延迟），而且老板拿到的是翻译加工过的版本，不是原文。 Gemma 4 12B 做的事情是：把两个翻译都裁了，让老板自己学会了直接看英文和日文。几个关键数字： 16GB 显存或统一内存能跑，4-bit 量化低到 8GB，目标就是在普通笔记本上本地运行 256K Token 上下文窗口，支持 140+ 种语言内置 Thinking 模式（逐步推理）和原生 Function Calling

Google 发布 Gemma 4 12B 开源模型 16GB 笔记本跑全模态 AI Gemma 4 12B 采用了一种叫"Unified"的无编码器架构，让文字、图像、音频、视频四种输入直接进入同一个 Transformer 主干网络处理。模型可直接处理原始的图像和声音用一个类比讲清楚传统多模态模型处理图片和音频的方式，类似于一个只会中文的老板配了两个翻译：一个英文翻译（视觉编码器），一个日文翻译（音频编码器）。每次有英文或日文材料进来，必须先让翻译转成中文，老板才能看懂。翻译本身占工位（显存），翻译过程要排队等（延迟），而且老板拿到的是翻译加工过的版本，不是原文。 Gemma 4 12B 做的事情是：把两个翻译都裁了，让老板自己学会了直接看英文和日文。几个关键数字： 16GB 显存或统一内存能跑，4-bit 量化低到 8GB，目标就是在普通笔记本上本地运行 256K Token 上下文窗口，支持 140+ 种语言内置 Thinking 模式（逐步推理）和原生 Function Calling

小互

57,241 次观看 • 1 个月前

在阅读英文文献的时候，看到不懂的英语就要切换到其他翻译软件进行翻译，每次启动还要看一下启动广告，就很难受，于是我跟朋友一拍即合，开发了《para翻译》app 现在支持全局浮窗翻译，聚合翻译，多种翻译源切换，支持自定义api。有需要的朋友可以下载体验～

在阅读英文文献的时候，看到不懂的英语就要切换到其他翻译软件进行翻译，每次启动还要看一下启动广告，就很难受，于是我跟朋友一拍即合，开发了《para翻译》app 现在支持全局浮窗翻译，聚合翻译，多种翻译源切换，支持自定义api。有需要的朋友可以下载体验～

Paidax

138,372 次观看 • 1 年前

特朗普羞辱习近平，说习的翻译也是小学英语程度！川普说了啥？让中共女翻译这么害怕？川普：翻译非常重要！当我和世界另一个大国领导人通话时，虽然我不懂那种语言，但我能感受到这个翻译很差劲。翻译结结巴巴：呃、呃…我说出一段很长很漂亮话，这个翻译花了很短的时间就翻译完了，完全没有表达出我的原意…

特朗普羞辱习近平，说习的翻译也是小学英语程度！川普说了啥？让中共女翻译这么害怕？川普：翻译非常重要！当我和世界另一个大国领导人通话时，虽然我不懂那种语言，但我能感受到这个翻译很差劲。翻译结结巴巴：呃、呃…我说出一段很长很漂亮话，这个翻译花了很短的时间就翻译完了，完全没有表达出我的原意…

芙宁娜娜💙Furinana (王者归来版）

77,121 次观看 • 4 个月前

因为一些工作原因，经常要看一些外文动态或者文献，但自己的外语水平实在不好，经常要在多个翻译软件上来回切，才能保证翻译结果的准确性，有的翻译软件甚至每次启动都有广告，实在很难受。在一次巧合下，我发现 ios 的画中画可以显示我的剪切板内容，于是我开发了这个基于画中画显示的全局翻译软件

因为一些工作原因，经常要看一些外文动态或者文献，但自己的外语水平实在不好，经常要在多个翻译软件上来回切，才能保证翻译结果的准确性，有的翻译软件甚至每次启动都有广告，实在很难受。在一次巧合下，我发现 ios 的画中画可以显示我的剪切板内容，于是我开发了这个基于画中画显示的全局翻译软件

Paidax

387,851 次观看 • 1 年前

Claude code 自动帮我下载并翻译的这个视频还真不错自动下载、翻译字幕，并烧录对齐时间戳全自动，我用我之前的字幕翻译有提示词让它帮我做了个技能

Claude code 自动帮我下载并翻译的这个视频还真不错自动下载、翻译字幕，并烧录对齐时间戳全自动，我用我之前的字幕翻译有提示词让它帮我做了个技能

小互

28,532 次观看 • 5 个月前

这丝滑的体验吓到我了！请一定要看完视频！ Safari浏览器安装沉浸式翻译插件，切换到智谱GLM大模型，这翻译速度逆天了，延迟很低！！原来我一直迷信的选择chatgpt作为翻译引擎。所以，场景合适就是最好！你也在用的话，快去换成智谱试试，记得回来感谢我！ #沉浸式翻译 #智谱GLM #AI翻译 #Safari插件 #iPhone #大模型 #AI工具 #AITranslation #效率工具 #用户体验

这丝滑的体验吓到我了！请一定要看完视频！ Safari浏览器安装沉浸式翻译插件，切换到智谱GLM大模型，这翻译速度逆天了，延迟很低！！原来我一直迷信的选择chatgpt作为翻译引擎。所以，场景合适就是最好！你也在用的话，快去换成智谱试试，记得回来感谢我！ #沉浸式翻译 #智谱GLM #AI翻译 #Safari插件 #iPhone #大模型 #AI工具 #AITranslation #效率工具 #用户体验

沉浸式翻译

11,742 次观看 • 1 年前

Memo 1.2.0 更新！为大家带来丰富的集成，丝滑的视频播客转文字，翻译体验。 1. 翻译字幕支持 Open AI、Claude、DeepL、微软、谷歌、Ollama 等数十种翻译服务供选择。 2. 支持继续翻译，中断翻译也不用担心重头开始浪费 Token。 3. 视频总结、生成思维导图速度提升 10 倍。接下，说话人分类正在路上！

Memo 1.2.0 更新！为大家带来丰富的集成，丝滑的视频播客转文字，翻译体验。 1. 翻译字幕支持 Open AI、Claude、DeepL、微软、谷歌、Ollama 等数十种翻译服务供选择。 2. 支持继续翻译，中断翻译也不用担心重头开始浪费 Token。 3. 视频总结、生成思维导图速度提升 10 倍。接下，说话人分类正在路上！

Memo AI

301,766 次观看 • 2 年前

兄弟们，这个有点炸裂了 HeyGen 推出视频内文本翻译工具不仅能翻译你的声音，还翻译屏幕上的文字、字幕！ - 自动进行文本检测 - 将视频中的文本即时翻译成您选择的语言 - 并通过 AI 进行文本与视频风格匹配非常牛P，翻译视频更加便利...

兄弟们，这个有点炸裂了 HeyGen 推出视频内文本翻译工具不仅能翻译你的声音，还翻译屏幕上的文字、字幕！ - 自动进行文本检测 - 将视频中的文本即时翻译成您选择的语言 - 并通过 AI 进行文本与视频风格匹配非常牛P，翻译视频更加便利...

小互

118,034 次观看 • 1 年前

阿里今天还放出来一款实时多模态同传模型：Qwen3-LiveTranslate-Flash，具备视觉能力，能听能看，3秒延迟可实时翻译能识别18语言和粤语、北京话、四川话等6种方言，能说10种语言引入了视觉上下文增强技术，可以识别口型、动作、文字、实体，解决在嘈杂音频环境，或者是一词多译词场景下的翻译问题中英及多语言语音翻译准确度优于Gemini-2.5-Flash、GPT-4o-Audio-Preview、Voxtral Small-24B #AI同传 #Qwen3同传 #AI实时翻译

阿里今天还放出来一款实时多模态同传模型：Qwen3-LiveTranslate-Flash，具备视觉能力，能听能看，3秒延迟可实时翻译能识别18语言和粤语、北京话、四川话等6种方言，能说10种语言引入了视觉上下文增强技术，可以识别口型、动作、文字、实体，解决在嘈杂音频环境，或者是一词多译词场景下的翻译问题中英及多语言语音翻译准确度优于Gemini-2.5-Flash、GPT-4o-Audio-Preview、Voxtral Small-24B #AI同传 #Qwen3同传 #AI实时翻译

AIGCLINK

48,830 次观看 • 10 个月前

又一个必看视频出现了 Andrej Karpathy 昨天在 YC 的旧金山创业大会上发表了一场 40 分钟的演讲。介绍了软件从传统编码（软件 1.0）到神经网络（软件 2.0）的演变，并着重阐述了由大型语言模型（LLMs）驱动的软件 3.0 时代。我翻译了演讲视频而且结合他以前的文章对演讲做了总结

又一个必看视频出现了 Andrej Karpathy 昨天在 YC 的旧金山创业大会上发表了一场 40 分钟的演讲。介绍了软件从传统编码（软件 1.0）到神经网络（软件 2.0）的演变，并着重阐述了由大型语言模型（LLMs）驱动的软件 3.0 时代。我翻译了演讲视频而且结合他以前的文章对演讲做了总结

歸藏(guizang.ai)

142,021 次观看 • 1 年前

卧槽，本年度最佳开源视频转录软件来了 WhisperX 单词级转录；Claude Sonnet 2步翻译 + 精简句子，最神级功能：它居然精确到单行字幕，且自动对齐，卧槽，秒掉 99.99% 的竞品我用 Lex Fridman 采访 Pieter Levels 的2分钟视频，做了实验。全程我只点了一下【翻译并生成字幕】，它完全自动翻译并压制到了原视频

卧槽，本年度最佳开源视频转录软件来了 WhisperX 单词级转录；Claude Sonnet 2步翻译 + 精简句子，最神级功能：它居然精确到单行字幕，且自动对齐，卧槽，秒掉 99.99% 的竞品我用 Lex Fridman 采访 Pieter Levels 的2分钟视频，做了实验。全程我只点了一下【翻译并生成字幕】，它完全自动翻译并压制到了原视频

黄赟

258,716 次观看 • 1 年前